CN110933639B - 无人机协同态势感知网络的信息交互拓扑优化方法和装置 - Google Patents
无人机协同态势感知网络的信息交互拓扑优化方法和装置 Download PDFInfo
- Publication number
- CN110933639B CN110933639B CN201911069049.1A CN201911069049A CN110933639B CN 110933639 B CN110933639 B CN 110933639B CN 201911069049 A CN201911069049 A CN 201911069049A CN 110933639 B CN110933639 B CN 110933639B
- Authority
- CN
- China
- Prior art keywords
- graph
- dimensional linear
- acquiring
- spanning tree
- met
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种无人机协同态势感知网络的信息交互拓扑优化方法和装置,涉及无人机通信领域。包括以下步骤:获取无人机的协同态势感知网络;基于协同态势感知网络获取最小生成树,基于最小生成树获取无向图;将最小生成树从协同态势感知网络中删除,得到通信网络;基于无向图获取三维线性无关图;基于三维线性无关图和通信网络获取三维刚性图,三维刚性图即为无人机协同态势感知网络的信息交互拓扑。本发明提供的优化方法提高了无人机协同执行态势感知任务的效率。
Description
技术领域
本发明涉及无人机通信技术领域,具体涉及一种无人机协同态势感知网络的信息交互拓扑优化方法和装置。
背景技术
无人机(UAV)是一种无人驾驶、利用车载或地面自动飞行系统自主控制、包含动力系统的可重复使用的飞行器。无人机凭借其优势在军事领域和民用领域都有广泛的应用。然而单架无人机在执行态势感知任务时能力略显不足,为提升执行态势感知任务的效率,往往采用多架无人机共同组成协同态势感知网络,并在此网络的基础上选择一个合适的信息交互拓扑进行信息交互以协同执行态势感知任务。
现有技术在控制多架无人机协同执行态势感知任务时一般先构建出无人机的协同态势感知网络,根据该网络获取无人机构成的刚性图,进而通过刚性图得到无人机协同态势感知网络的信息交互拓扑,利用此信息交互拓扑控制无人机进行信息交互以协同执行态势感知任务。
然而本申请的发明人发现,现有技术在获取无人机协同态势感知网络的信息交互拓扑时,由于方法比较复杂,导致计算信息交互拓扑时花费的时间较长,此时多架无人机不能高效执行态势感知任务,即现有技术存在效率低的缺点。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种无人机协同态势感知网络的信息交互拓扑优化方法和装置,解决了现有技术效率低的问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:
本发明解决其技术问题所提供的一种无人机协同态势感知网络的信息交互拓扑优化方法,所述优化方法由计算机执行,包括以下步骤:
获取无人机的协同态势感知网络;
基于所述协同态势感知网络获取最小生成树,基于所述最小生成树获取无向图;将最小生成树从所述协同态势感知网络中删除,得到通信网络;
基于所述无向图获取三维线性无关图;
基于所述三维线性无关图和所述通信网络获取三维刚性图,所述三维刚性图即为无人机协同态势感知网络的信息交互拓扑。
优选的,所述无向图的获取方法包括:
获取所述协同态势感知网络的第一最小生成树,并将所述第一最小生成树中的边从所述协同态势感知网络中删除,得到第一感知网络;
获取所述第一感知网络的第二最小生成树,并将所述第二最小生成树中的边从所述第一感知网络中删除,得到第二感知网络;
获取所述第二感知网络的第三最小生成树,将所述第三最小生成树中的边从所述第二感知网络中删除,得到通信网络;
将所述第一最小生成树、所述第二最小生成树和所述第三最小生成树合并,得到所述无向图。
优选的,所述三维线性无关图的获取方法包括:
计算所述无向图对应的刚度矩阵的秩r1;
按照权值从高到低的顺序对所述无向图中的边进行排序;
判断所述无向图是否满足预设的条件:所述无向图中的边的数量大于所述秩r1;若不满足预设的条件,则所述无向图即为三维线性无关图;
若满足预设的条件,则进行以下处理过程:将所述无向图中的第一条边删除,并判断删除一条边后的无向图对应的刚度矩阵的秩r2是否小于所述秩r1;若满足条件,则将删除的边重新添加到无向图中,若不满足条件,则不进行处理;
判断处理后的无向图是否满足预设的条件,若否,则处理后的无向图即为三维线性无关图;若是,则继续删除下一条边,并重复上述处理过程,直至预设的条件不满足时,得到的无向图即为三维线性无关图。
优选的,所述三维刚性图的获取方法包括:
S401、判断所述秩r1和无人机的数量V是否满足r1<3×|V|-6,若满足条件,按照权值从低到高的顺序对所述通信网络中的边进行排序,获取所述通信网络的第k条边,其中,k=1;若不满足条件,则所述三维线性无关图即为三维刚性图;
S402、判断所述秩r1和无人机的数量V是否满足r1<3×|V|-6,若满足条件,将所述第k条边添加到所述三维线性无关图中,得到第一三维线性无关图;若不满足条件,则所述三维线性无关图即为三维刚性图;
S403、判断所述第一三维线性无关图对应的刚度矩阵的秩是否等于r1,若满足条件,则将所述第k条边从所述第一三维线性无关图中删除,得到第二三维线性无关图;若不满足条件,则将所述第一三维线性无关图命名为第二三维线性无关图,并更新r1的取值;
S404、更新所述k的取值;
S405、判断更新后的r1是否满足r1<3×|V|-6,若满足条件,则将所述三维线性无关图中的数据更新为所述第二三维线性无关图中的数据,并跳转到步骤S402,重复步骤S402-S405;若不满足条件,则所述第二三维线性无关图即为三维刚性图。
本发明解决其技术问题所提供的一种无人机协同态势感知网络的信息交互拓扑优化装置,所述装置包括计算机,所述计算机包括:
至少一个存储单元;
至少一个处理单元;
其中,所述至少一个存储单元中存储有至少一条指令,所述至少一条指令由所述至少一个处理单元加载并执行以实现以下步骤:
获取无人机的协同态势感知网络;
基于所述协同态势感知网络获取最小生成树,基于所述最小生成树获取无向图;将最小生成树从所述协同态势感知网络中删除,得到通信网络;
基于所述无向图获取三维线性无关图;
基于所述三维线性无关图和所述通信网络获取三维刚性图,所述三维刚性图即为无人机协同态势感知网络的信息交互拓扑。
优选的,所述无向图的获取方法包括:
获取所述协同态势感知网络的第一最小生成树,并将所述第一最小生成树中的边从所述协同态势感知网络中删除,得到第一感知网络;
获取所述第一感知网络的第二最小生成树,并将所述第二最小生成树中的边从所述第一感知网络中删除,得到第二感知网络;
获取所述第二感知网络的第三最小生成树,将所述第三最小生成树中的边从所述第二感知网络中删除,得到通信网络;
将所述第一最小生成树、所述第二最小生成树和所述第三最小生成树合并,得到所述无向图。
优选的,所述三维线性无关图的获取方法包括:
计算所述无向图对应的刚度矩阵的秩r1;
按照权值从高到低的顺序对所述无向图中的边进行排序;
判断所述无向图是否满足预设的条件:所述无向图中的边的数量大于所述秩r1;若不满足预设的条件,则所述无向图即为三维线性无关图;
若满足预设的条件,则进行以下处理过程:将所述无向图中的第一条边删除,并判断删除一条边后的无向图对应的刚度矩阵的秩r2是否小于所述秩r1;若满足条件,则将删除的边重新添加到无向图中,若不满足条件,则不进行处理;
判断处理后的无向图是否满足预设的条件,若否,则处理后的无向图即为三维线性无关图;若是,则继续删除下一条边,并重复上述处理过程,直至预设的条件不满足时,得到的无向图即为三维线性无关图。
优选的,所述三维刚性图的获取方法包括:
S401、判断所述秩r1和无人机的数量V是否满足r1<3×|V|-6,若满足条件,按照权值从低到高的顺序对所述通信网络中的边进行排序,获取所述通信网络的第k条边,其中,k=1;若不满足条件,则所述三维线性无关图即为三维刚性图;
S402、判断所述秩r1和无人机的数量V是否满足r1<3×|V|-6,若满足条件,将所述第k条边添加到所述三维线性无关图中,得到第一三维线性无关图;若不满足条件,则所述三维线性无关图即为三维刚性图;
S403、判断所述第一三维线性无关图对应的刚度矩阵的秩是否等于r1,若满足条件,则将所述第k条边从所述第一三维线性无关图中删除,得到第二三维线性无关图;若不满足条件,则将所述第一三维线性无关图命名为第二三维线性无关图,并更新r1的取值;
S404、更新所述k的取值;
S405、判断更新后的r1是否满足r1<3×|V|-6,若满足条件,则将所述三维线性无关图中的数据更新为所述第二三维线性无关图中的数据,并跳转到步骤S402,重复步骤S402-S405;若不满足条件,则所述第二三维线性无关图即为三维刚性图。
(三)有益效果
本发明提供了一种无人机协同态势感知网络的信息交互拓扑优化方法和装置。与现有技术相比,具备以下有益效果:
本发明通过获取无人机的协同态势感知网络;基于协同态势感知网络获取最小生成树,基于最小生成树获取无向图;将最小生成树从协同态势感知网络中删除,得到通信网络;基于无向图获取三维线性无关图;基于三维线性无关图和通信网络获取三维刚性图,三维刚性图即为无人机协同态势感知网络的信息交互拓扑。本发明提供的方法相比于现有技术,由于不需要从协同态势感知网络中第一条权值最低的边开始求得三维刚性图,因此方法相对简洁,方法整体的时间复杂度较低,可以快速计算出无人机协同态势感知网络的信息交互拓扑,减少了计算信息交互拓扑所消耗的能量,提高了无人机协同执行态势感知任务的效率,使得无人机在协同执行态势感知任务时更加高效稳定。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例所述的无人机协同态势感知网络的信息交互拓扑优化方法的整体流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本申请实施例通过提供一种无人机协同态势感知网络的信息交互拓扑优化方法和装置,解决了现有技术效率低的问题,提高了无人机协同执行态势感知任务的效率。
本申请实施例中的技术方案为解决上述技术问题,总体思路如下:
本发明实施例通过获取无人机的协同态势感知网络;基于协同态势感知网络获取最小生成树,基于最小生成树获取无向图;将最小生成树从协同态势感知网络中删除,得到通信网络;基于无向图获取三维线性无关图;基于三维线性无关图和通信网络获取三维刚性图,三维刚性图即为无人机协同态势感知网络的信息交互拓扑。本发明实施例提供的方法相比于现有技术,由于不需要从协同态势感知网络中第一条权值最低的边开始求得三维刚性图,因此方法相对简洁,方法整体的时间复杂度较低,可以快速计算出无人机协同态势感知网络的信息交互拓扑,减少了计算信息交互拓扑所消耗的能量,提高了无人机协同执行态势感知任务的效率,使得无人机在协同执行态势感知任务时更加高效稳定。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
本发明实施例提供了一种无人机协同态势感知网络的信息交互拓扑优化方法,如图1所示,所述优化方法由计算机执行,包括以下步骤:
S1、获取无人机的协同态势感知网络;
S2、基于上述协同态势感知网络获取最小生成树,基于上述最小生成树获取无向图;将最小生成树从上述协同态势感知网络中删除,得到通信网络;
S3、基于上述无向图获取三维线性无关图;
S4、基于上述三维线性无关图和上述通信网络获取三维刚性图,上述三维刚性图即为无人机协同态势感知网络的信息交互拓扑。
本发明实施例通过获取无人机的协同态势感知网络;基于协同态势感知网络获取最小生成树,基于最小生成树获取无向图;将最小生成树从协同态势感知网络中删除,得到通信网络;基于无向图获取三维线性无关图;基于三维线性无关图和通信网络获取三维刚性图,三维刚性图即为无人机协同态势感知网络的信息交互拓扑。本发明实施例提供的方法相比于现有技术,由于不需要从协同态势感知网络中第一条权值最低的边开始求得三维刚性图,因此方法相对简洁,方法整体的时间复杂度较低,可以快速计算出无人机协同态势感知网络的信息交互拓扑,减少了计算信息交互拓扑所消耗的能量,提高了无人机协同执行态势感知任务的效率,使得无人机在协同执行态势感知任务时更加高效稳定。
具体的,本方法由地面控制中心的计算机执行,继而将计算结果发给每架无人机,控制多无人机飞行并执行任务。
下面对各步骤进行详细描述:
在步骤S1中,获取无人机的协同态势感知网络。
具体的,本发明实施例在实际应用中根据无人机预设的三维空间位置和无人机的通信范围,确定无人机之间的可用通信链接,以无人机作为节点,以可用通信链接作为边,构建协同态势感知网络。
本发明实施例设定共n个UAV通过UAV之间的通信连接以形成一个协同态势感知网络。该协同态势感知网络中n个位置分别编号为{1,2,…,n},所有无人机的位置至少包含两个高度。
具体的,协同态势感知网络表示为G=(V,E,W)。
其中:
V={vi},1≤i≤n是无人机代表的节点的集合,其中vi表示UAVi,即第i架无人机。
E={eij},1≤i,j≤n是每两个无人机节点构成的边的集合,其中边eij表示UAVi和UAVj之间的通信链接,使得UAVi和UAVj之间可以相互发送信息。
W={w(eij)},eij∈E是所有边的权值的集合,其中w(eij)表示从UAVi和UAVj之间的通信链接eij的代价。
在步骤S2中,基于上述协同态势感知网络获取最小生成树,基于上述最小生成树获取无向图;将最小生成树从上述协同态势感知网络中删除,得到通信网络G0。
具体的,本发明实施例首先获取上述协同态势感知网络的第一最小生成树,并将上述第一最小生成树中的边从上述协同态势感知网络中删除,得到第一感知网络。
获取上述第一感知网络的第二最小生成树,并将上述第二最小生成树中的边从上述第一感知网络中删除,得到第二感知网络。
获取上述第二感知网络的第三最小生成树,将上述第三最小生成树中的边从上述第二感知网络中删除,得到通信网络。
将上述第一最小生成树、上述第二最小生成树和上述第三最小生成树合并,得到无向图。
需要说明的是,通信网络也可以由以下方法得到:将无向图中的所有边从协同态势感知网络中删除,得到通信网络。
在步骤S3中,基于上述无向图获取三维线性无关图。
具体的,包括以下步骤:
计算上述无向图对应的刚度矩阵的秩r1。
按照权值从高到低的顺序对上述无向图中的边进行排序。
判断上述无向图是否满足预设的条件:上述无向图中的边的数量大于上述秩r1;若不满足预设的条件,则上述无向图即为三维线性无关图。
若满足预设的条件,则进行以下处理过程:将上述无向图中的第一条边删除,并判断删除一条边后的无向图对应的刚度矩阵的秩r2是否小于上述秩r1;若满足条件,则将删除的边重新添加到无向图中,若不满足条件,则不进行处理。
判断处理后的无向图是否满足预设的条件,若否,则处理后的无向图即为三维线性无关图;若是,则继续删除下一条边,并重复上述处理过程,直至预设的条件不满足时,得到的无向图即为三维线性无关图。
本发明实施例在具体实施时,通过逐次删除无向图的每条边,判断删除该条边后的无向图的刚度矩阵的秩是否小于开始的秩r1,若小于则说明这条边为构成三维线性无关图的必要边,需要重新添加,并判断下一条边是否可以删除,直至得到的无向图不满足预设的条件“无向图中的边的数量大于上述秩r1”时,此时的无向图为三维线性无关图。
步骤S3可由表1表示:
表1
具体的,表1还可表示为以下算法步骤:
h=1
while(T中边的数量大于r1)
删除T中的第h条边e
if(删除e之后T对应的刚度矩阵M的秩小于r1)then
将e重新加入到T中
end if
h=h+1
end while
在步骤S4中,基于上述三维线性无关图和上述通信网络获取三维刚性图,上述三维刚性图即为无人机协同态势感知网络的信息交互拓扑。
具体的,三维刚性图的获取方法为:
S401、判断上述秩r1和无人机的数量V是否满足r1<3×|V|-6,若满足条件,按照权值从低到高的顺序对上述通信网络中的边进行排序,获取上述通信网络的第k条边,其中,k=1;若不满足条件,则上述三维线性无关图即为三维刚性图。
S402、判断上述秩r1和无人机的数量V是否满足r1<3×|V|-6,若满足条件,将上述第k条边添加到上述三维线性无关图中,得到第一三维线性无关图;若不满足条件,则上述三维线性无关图即为三维刚性图。
S403、判断上述第一三维线性无关图对应的刚度矩阵的秩是否等于r1,若满足条件,则将上述第k条边从上述第一三维线性无关图中删除,得到第二三维线性无关图;若不满足条件,则将所述第一三维线性无关图命名为第二三维线性无关图,并更新r1的取值。
具体的,令r1=r1+1。
S404、更新上述k的取值。
具体的,令k=k+1。
S405、判断更新后的r1是否满足r1<3×|V|-6,若满足条件,则将上述三维线性无关图中的数据更新为上述第二三维线性无关图中的数据,并跳转到步骤S402,重复步骤S402-S405;若不满足条件,则上述第二三维线性无关图即为三维刚性图。
具体的,步骤S4可由表2表示:
表2
具体的,表2还可表示为以下算法步骤:
if(r1小于3×|V|-6)then
按照权值从低到高的顺序对G0中的边进行排序
k=1
while(r1小于3×|V|-6)
将G0中的第k条边eij添加到T0中
if(T0对应的刚度矩阵M的秩等于r1)then
将eij从T0中删除
else
r1=r1+1
endif
k=k+1
endwhile
endif
得到的三维刚性图即为无人机协同态势感知网络的信息交互拓扑。
所有的无人机根据此信息交互拓扑进行信息交互以协同执行态势感知任务。
本发明实施例所提供的无人机协同态势感知网络的信息交互拓扑优化方法的总的时间复杂度约为:O(|V|3)。
而现有技术提供的方法的时间复杂度约为:O(|V|4)。
相比于现有技术,本发明实施例所提供的方法在获取无人机协同态势感知网络的信息交互拓扑时,时间复杂度更加低,因此可以更快地计算出信息交互拓扑,减少了计算出信息交互拓扑的时间,降低了因计算信息交互拓扑所消耗的能量,提高了无人机协同执行态势感知任务时的效率。
本发明实施例还提供了一种无人机协同态势感知网络的信息交互拓扑优化装置,上述装置包括计算机,上述计算机包括:
至少一个存储单元;
至少一个处理单元;
其中,上述至少一个存储单元中存储有至少一条指令,上述至少一条指令由上述至少一个处理单元加载并执行以实现以下步骤:
S1、获取无人机的协同态势感知网络;
S2、基于上述协同态势感知网络获取最小生成树,基于上述最小生成树获取无向图;将最小生成树从上述协同态势感知网络中删除,得到通信网络;
S3、基于上述无向图获取三维线性无关图;
S4、基于上述三维线性无关图和上述通信网络获取三维刚性图,上述三维刚性图即为无人机协同态势感知网络的信息交互拓扑。
可理解的是,本发明实施例提供的上述优化装置与上述优化方法相对应,其有关内容的解释、举例、有益效果等部分可以参考无人机协同态势感知网络的信息交互拓扑优化方法中的相应内容,此处不再赘述。
综上所述,与现有技术相比,具备以下有益效果:
本发明实施例通过获取无人机的协同态势感知网络;基于协同态势感知网络获取最小生成树,基于最小生成树获取无向图;将最小生成树从协同态势感知网络中删除,得到通信网络;基于无向图获取三维线性无关图;基于三维线性无关图和通信网络获取三维刚性图,三维刚性图即为无人机协同态势感知网络的信息交互拓扑。本发明实施例提供的方法相比于现有技术,由于不需要从协同态势感知网络中第一条权值最低的边开始求得三维刚性图,因此方法相对简洁,方法整体的时间复杂度较低,可以快速计算出无人机协同态势感知网络的信息交互拓扑,减少了计算信息交互拓扑所消耗的能量,提高了无人机协同执行态势感知任务的效率,使得无人机在协同执行态势感知任务时更加高效稳定。
需要说明的是,通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (4)
1.一种无人机协同态势感知网络的信息交互拓扑优化方法,其特征在于,所述优化方法由计算机执行,包括以下步骤:
获取无人机的协同态势感知网络;
基于所述协同态势感知网络获取最小生成树,基于所述最小生成树获取无向图;将最小生成树从所述协同态势感知网络中删除,得到通信网络;
基于所述无向图获取三维线性无关图;
基于所述三维线性无关图和所述通信网络获取三维刚性图,所述三维刚性图即为无人机协同态势感知网络的信息交互拓扑;
所述三维线性无关图的获取方法包括:
计算所述无向图对应的刚度矩阵的秩r1;
按照权值从高到低的顺序对所述无向图中的边进行排序;
判断所述无向图是否满足预设的条件:所述无向图中的边的数量大于所述秩r1;若不满足预设的条件,则所述无向图即为三维线性无关图;
若满足预设的条件,则进行以下处理过程:将所述无向图中的第一条边删除,并判断删除一条边后的无向图对应的刚度矩阵的秩r2是否小于所述秩r1;若满足条件,则将删除的边重新添加到无向图中,若不满足条件,则不进行处理;
判断处理后的无向图是否满足预设的条件,若否,则处理后的无向图即为三维线性无关图;若是,则继续删除下一条边,并重复上述处理过程,直至预设的条件不满足时,得到的无向图即为三维线性无关图;
所述三维刚性图的获取方法包括:
S401、判断所述秩r1和无人机的数量V是否满足r1<3×|V|-6,若满足条件,按照权值从低到高的顺序对所述通信网络中的边进行排序,获取所述通信网络的第k条边,其中,k=1;若不满足条件,则所述三维线性无关图即为三维刚性图;
S402、判断所述秩r1和无人机的数量V是否满足r1<3×|V|-6,若满足条件,将所述第k条边添加到所述三维线性无关图中,得到第一三维线性无关图;若不满足条件,则所述三维线性无关图即为三维刚性图;
S403、判断所述第一三维线性无关图对应的刚度矩阵的秩是否等于r1,若满足条件,则将所述第k条边从所述第一三维线性无关图中删除,得到第二三维线性无关图;若不满足条件,则将所述第一三维线性无关图命名为第二三维线性无关图,并更新r1的取值;
S404、更新所述k的取值;
S405、判断更新后的r1是否满足r1<3×|V|-6,若满足条件,则将所述三维线性无关图中的数据更新为所述第二三维线性无关图中的数据,并跳转到步骤S402,重复步骤S402-S405;若不满足条件,则所述第二三维线性无关图即为三维刚性图。
2.如权利要求1所述的优化方法,其特征在于,所述无向图的获取方法包括:
获取所述协同态势感知网络的第一最小生成树,并将所述第一最小生成树中的边从所述协同态势感知网络中删除,得到第一感知网络;
获取所述第一感知网络的第二最小生成树,并将所述第二最小生成树中的边从所述第一感知网络中删除,得到第二感知网络;
获取所述第二感知网络的第三最小生成树,将所述第三最小生成树中的边从所述第二感知网络中删除,得到通信网络;
将所述第一最小生成树、所述第二最小生成树和所述第三最小生成树合并,得到所述无向图。
3.一种无人机协同态势感知网络的信息交互拓扑优化装置,其特征在于,所述装置包括计算机,所述计算机包括:
至少一个存储单元;
至少一个处理单元;
其中,所述至少一个存储单元中存储有至少一条指令,所述至少一条指令由所述至少一个处理单元加载并执行以实现以下步骤:
获取无人机的协同态势感知网络;
基于所述协同态势感知网络获取最小生成树,基于所述最小生成树获取无向图;将最小生成树从所述协同态势感知网络中删除,得到通信网络;
基于所述无向图获取三维线性无关图;
基于所述三维线性无关图和所述通信网络获取三维刚性图,所述三维刚性图即为无人机协同态势感知网络的信息交互拓扑;
所述三维线性无关图的获取方法包括:
计算所述无向图对应的刚度矩阵的秩r1;
按照权值从高到低的顺序对所述无向图中的边进行排序;
判断所述无向图是否满足预设的条件:所述无向图中的边的数量大于所述秩r1;若不满足预设的条件,则所述无向图即为三维线性无关图;
若满足预设的条件,则进行以下处理过程:将所述无向图中的第一条边删除,并判断删除一条边后的无向图对应的刚度矩阵的秩r2是否小于所述秩r1;若满足条件,则将删除的边重新添加到无向图中,若不满足条件,则不进行处理;
判断处理后的无向图是否满足预设的条件,若否,则处理后的无向图即为三维线性无关图;若是,则继续删除下一条边,并重复上述处理过程,直至预设的条件不满足时,得到的无向图即为三维线性无关图;
所述三维刚性图的获取方法包括:
S401、判断所述秩r1和无人机的数量V是否满足r1<3×|V|-6,若满足条件,按照权值从低到高的顺序对所述通信网络中的边进行排序,获取所述通信网络的第k条边,其中,k=1;若不满足条件,则所述三维线性无关图即为三维刚性图;
S402、判断所述秩r1和无人机的数量V是否满足r1<3×|V|-6,若满足条件,将所述第k条边添加到所述三维线性无关图中,得到第一三维线性无关图;若不满足条件,则所述三维线性无关图即为三维刚性图;
S403、判断所述第一三维线性无关图对应的刚度矩阵的秩是否等于r1,若满足条件,则将所述第k条边从所述第一三维线性无关图中删除,得到第二三维线性无关图;若不满足条件,则将所述第一三维线性无关图命名为第二三维线性无关图,并更新r1的取值;
S404、更新所述k的取值;
S405、判断更新后的r1是否满足r1<3×|V|-6,若满足条件,则将所述三维线性无关图中的数据更新为所述第二三维线性无关图中的数据,并跳转到步骤S402,重复步骤S402-S405;若不满足条件,则所述第二三维线性无关图即为三维刚性图。
4.如权利要求3所述的优化装置,其特征在于,所述无向图的获取方法包括:
获取所述协同态势感知网络的第一最小生成树,并将所述第一最小生成树中的边从所述协同态势感知网络中删除,得到第一感知网络;
获取所述第一感知网络的第二最小生成树,并将所述第二最小生成树中的边从所述第一感知网络中删除,得到第二感知网络;
获取所述第二感知网络的第三最小生成树,将所述第三最小生成树中的边从所述第二感知网络中删除,得到通信网络;
将所述第一最小生成树、所述第二最小生成树和所述第三最小生成树合并,得到所述无向图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911069049.1A CN110933639B (zh) | 2019-11-05 | 2019-11-05 | 无人机协同态势感知网络的信息交互拓扑优化方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911069049.1A CN110933639B (zh) | 2019-11-05 | 2019-11-05 | 无人机协同态势感知网络的信息交互拓扑优化方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110933639A CN110933639A (zh) | 2020-03-27 |
CN110933639B true CN110933639B (zh) | 2022-09-06 |
Family
ID=69852264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911069049.1A Active CN110933639B (zh) | 2019-11-05 | 2019-11-05 | 无人机协同态势感知网络的信息交互拓扑优化方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110933639B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106970645A (zh) * | 2017-05-16 | 2017-07-21 | 合肥工业大学 | 多无人机协同编队最优信息交互拓扑生成方法及装置 |
CN106992897A (zh) * | 2017-06-07 | 2017-07-28 | 合肥工业大学 | 多无人机协同编队中的信息交互拓扑优化方法及装置 |
CN107632614A (zh) * | 2017-08-14 | 2018-01-26 | 广东技术师范学院 | 一种基于刚性图理论的多无人机编队自组织协同控制方法 |
CN107797564A (zh) * | 2017-07-04 | 2018-03-13 | 合肥工业大学 | 多无人机协同编队中信息交互拓扑启发式优化方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11692837B2 (en) * | 2017-10-18 | 2023-07-04 | Here Global B.V. | Automatic discovery of optimal routes for flying cars and drones |
-
2019
- 2019-11-05 CN CN201911069049.1A patent/CN110933639B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106970645A (zh) * | 2017-05-16 | 2017-07-21 | 合肥工业大学 | 多无人机协同编队最优信息交互拓扑生成方法及装置 |
CN106992897A (zh) * | 2017-06-07 | 2017-07-28 | 合肥工业大学 | 多无人机协同编队中的信息交互拓扑优化方法及装置 |
CN107797564A (zh) * | 2017-07-04 | 2018-03-13 | 合肥工业大学 | 多无人机协同编队中信息交互拓扑启发式优化方法及装置 |
CN107632614A (zh) * | 2017-08-14 | 2018-01-26 | 广东技术师范学院 | 一种基于刚性图理论的多无人机编队自组织协同控制方法 |
Non-Patent Citations (4)
Title |
---|
Multiple Moving Object Detection From UAV Videos Using Trajectories of Matched Regional Adjacency Graphs;Bahareh Kalantar等;《 IEEE Transactions on Geoscience and Remote Sensing》;20170605;全文 * |
基于态势感知一致性的UAV集群分布式协同性能分析;高杨等;《宇航学报》;20181030(第10期);全文 * |
多无人机协同编队飞行控制研究现状及发展;宗群;《哈尔滨工业大学学报》;20170331;全文 * |
无人机编队协同任务规划仿真系统研究;王国强;《系统仿真学报》;20140831;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110933639A (zh) | 2020-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110609572B (zh) | 无人机编队信息交互拓扑的启发式优化方法和装置 | |
CN109933089B (zh) | 基于最小化最大能量消耗的多无人机任务规划方法及装置 | |
CN109990790B (zh) | 一种无人机路径规划方法及装置 | |
CN106940567B (zh) | 无人机编队最优信息交互拓扑生成方法及装置 | |
CN106909171B (zh) | 无人-有人机编队最优通信拓扑生成方法及装置 | |
CN112039574B (zh) | 通信干扰下无人机协同中继网络快速重构方法和系统 | |
Alihodzic et al. | Unmanned aerial vehicle path planning problem by adjusted elephant herding optimization | |
CN110347181B (zh) | 基于能耗的无人机分布式编队控制方法 | |
CN114020042A (zh) | 一种异构无人集群编队合围跟踪控制方法及系统 | |
CN110412999B (zh) | 对抗环境下多无人机任务分配的博弈智能决策方法及系统 | |
CN115167442A (zh) | 一种输电线路巡检路径规划方法及系统 | |
CN113887919A (zh) | 基于杂交-离散粒子群算法的多无人机协同任务分配方法及系统 | |
CN110933639B (zh) | 无人机协同态势感知网络的信息交互拓扑优化方法和装置 | |
CN112134607B (zh) | 突发事件下无人机协同中继网络快速重构方法和系统 | |
CN111163440B (zh) | 通信干扰下无人机协同态势感知网络快速重构方法和装置 | |
CN111104561B (zh) | 启发式的无人平台信息感知网络拓扑生成方法和装置 | |
CN110989653B (zh) | 无人机协同态势感知的信息交互拓扑快速生成方法和装置 | |
CN111107604B (zh) | 无人平台信息感知网络的快速优化方法和装置 | |
CN111399533B (zh) | 异构多无人机协同任务分配与路径优化方法 | |
CN110471445B (zh) | 多无人平台通信能耗的多阶段多目标优化方法和装置 | |
CN111861218A (zh) | 用于海上救援的无人机控制方法及系统 | |
CN110647166A (zh) | 均衡能耗的无人机编队信息交互拓扑在线优化方法和装置 | |
CN110536266B (zh) | 无人机编队通信能耗的周期性在线均衡方法和装置 | |
CN110662272A (zh) | 一种基于蜂群无人机的最少数量领航者选取方法 | |
CN113495574A (zh) | 一种无人机群飞行的控制方法、装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |